比较检验[周志华老师西瓜书]

一、
1.1
模型选择问题：

机器学习找的都是概率最优的。
概率最接近正确的。

常用方法：
统计假设检验：
为学习器性能比较提供最要依据。

1.2
线性模型

定义：

线性模型试图学得一个通过属性的线性组合来进行预测的函数

$$f(x)=w1x1+w2x2+w3x3+........+wdxd+b;$$

这里的公式，每个x1,x2,x3,x4都表示一个属性，如西瓜的颜色，瓜蒂等。

可以简化一下:写成向量形式：
$$f(x)=w^{T}x+b$$

线性回归的目的：
找到一个方程，$$f(xi)=wxi+b$$使得
$$f(xi)等价yi$$
离散属性的处理：
若有序（Order)，则连续化；否则，转化为k维向量。
如 要处理高中低；
可以把高当成1，中看成0.5，低看成0.
然后转成k维向量。
若用离散的东西处理连续的信号，需要先把离散的东西连续化。

如果用[x1; x2]中用分号表示，则是列向量。
如果用[x1, x2]中用逗号表示，则是行向量。